Ученый Южно-Уральского госуниверситета разработала и запатентовала систему прогнозирования транспортных заторов. Программа анализирует видеопоток с камер на перекрестках, распознает пять классов транспортных средств и с высокой точностью предсказывает, когда и где образуется пробка. Чтобы добиться такого результата, исследователь запатентовала еще две вспомогательные программы: одна обрабатывает видео, вторая расширяет набор данных для обучения моделей.
Обычно камеры на перекрестках настроены на фиксацию правонарушений. Однако научный сотрудник ЮУрГУ Рухшона Джураева предложила использовать их шире: научить автоматически считать транспортные средства, делить их на классы и оценивать интенсивность потока. Пакет новых компьютерных программ позволяет обрабатывать видеоданные на основе конвейера нейросетевых алгоритмов, а именно обнаруживать, отслеживать и классифицировать машины на оживленном перекрестке. В результате оператор мгновенно получает автоматическую таблицу с данными: сколько проехало легковых автомобилей, такси, маршруток, автобусов и грузовиков.
«Моя главная задача в исследовании – прогнозировать заторы, а для этого сначала нужно оценить динамику потока в реальном времени, – рассказала Рухшона Джураева. – Для анализа я использовала видеопотоки с существующих камер на перекрестках города Душанбе, Республики Таджикистан. Сами камеры не нужно заменять или модернизировать, достаточно установить нашу программу на компьютер оператора. Первая модель обрабатывает видео и считает транспорт, одновременно ранжируя его по пяти классам. Затем вторая программа расширяет эти данные: добавляет временные характеристики – конкретные минуту, час, день недели, выходной или будний день. И наконец третья модель, которая объединяет результаты лучших алгоритмов машинного обучения, прогнозирует, случится ли затор на следующем перекрестке через некоторое время».
Изобретение челябинского разработчика отличается от аналогов подходом к данным. Исследователь использовала камеры, установленные на перекрестках параллельно дороге, которые анализируют движение автотранспорта на всем направлении сразу с нескольких ракурсов. Кроме того, Рухшона Джураева сделала акцент на подсчете именно по классам транспортных средств. Ученый утверждает: если данные покажут, что интенсивный поток держится в основном за счет личного транспорта, городские власти могут принять решение, к примеру, активнее развивать систему общественного транспорта.
Удобство предлагаемого решения состоит в том, что сами камеры менять не требуется – программы встраиваются в компьютер оператора, который следит за движением на перекрестках. Специалист в реальном времени получает наглядную статистику и прогноз, а дальше уже сам решает, например, скорректировать фазы светофоров или перераспределить потоки.
Важно, что разработка учитывает системный характер заторов: если пробка образовалась на одном перекрестке, через несколько минут она повторится на следующем. Программа предсказывает это заранее и у оператора есть время, чтобы принять меры. Сам пакет уникальных нейросетевых программ можно адаптировать для любого российского города и местных перекрестков.